برنامج متقدم1,500 ساعة · عبر الإنترنت · 11 وحدات
برنامج متقدم في الذكاء الاصطناعي المطبّق على الملاحة الذاتية
يمنحك هذا البرنامج المتقدم إتقان تقنيات الذكاء الاصطناعي والتعلم الآلي المطبّقة على الروبوتات البحرية. ستعمل على إدراك البيئة ودمج بيانات أجهزة الاستشعار وتخطيط المسارات وتجنب التصادم، مع المحاكاة والتحقق في جميع الوحدات.
المدة1,500 h
نمط الدراسةعبر الإنترنت
البدء١ ديسمبر
الوحدات11
تشخيص البرنامج
تقييم المعارف السابقة
هذه هي الكفاءات التي يمنحك إياها هذا البرنامج. حدّد ما تتقنه منها بالفعل، وسنخبرك بالجزء من المنهج الذي يناسبك.
نتيجة تشخيصك
6من أصل 6 بحاجة إلى تغطية
تبدأ من الصفر في هذا المجال. وقد صُمّم البرنامج لهذا الغرض تحديدًا.
نبذة عن البرنامج
ما هو برنامج متقدم في الذكاء الاصطناعي المطبّق على الملاحة الذاتية؟
هذا البرنامج المتقدم بوابتك إلى الروبوتات البحرية. ويُدرّبك على الذكاء الاصطناعي والتعلم الآلي والتعلم العميق المطبّقة على تصميم أنظمة الملاحة الذاتية للسفن وتطويرها. وينصبّ التركيز على إنشاء خوارزميات الإدراك وتخطيط المسارات والتحكم التي تتيح للسفينة الإبحار بأمان وكفاءة في بيئات معقدة.
يتميّز البرنامج بمشاريعه الحقيقية، بتطبيق ما تتعلمه في محاكاة ونماذج أولية للملاحة الذاتية؛ وبتدريبه الشامل، من نظرية الذكاء الاصطناعي إلى التطبيق في أنظمة التحكم البحرية؛ وباستخدامه أدوات متطورة، مع برمجيات ومنصات محاكاة حديثة.
نوع البرنامجبرنامج متقدم
نمط الدراسةعبر الإنترنت
المدة1,500 ساعة
الوحدات11
البدء١ ديسمبر
أبرز مزايا البرنامج
- الملاحة الذكية: خوارزميات ذكاء اصطناعي لاتخاذ القرار الذاتي في البيئات البحرية المعقدة.
- أجهزة الاستشعار والإدراك: استخدام LiDAR والرادار والكاميرات لبناء نماذج دقيقة للبيئة.
- المحاكاة والاختبار: التطوير والتحقق عبر محاكاة متقدمة وتجارب محكومة.
- اللوائح والأخلاقيات: الإطار القانوني والتحديات الأخلاقية للذكاء الاصطناعي في الملاحة البحرية.
- مشاريع عملية: التطبيق في مشاريع حقيقية لأنظمة الملاحة الذاتية.
- تقدّم في مسيرتك المهنية في ملاحة المستقبل البحرية.
الخطة الدراسية
الخطة الدراسية لـبرنامج متقدم في الذكاء الاصطناعي المطبّق على الملاحة الذاتية
11 وحدات. اختر وحدة للاطلاع على محتواها.
الوحدة 1
تطبيق خوارزميات تعلم الآلة وتحسينها في أنظمة الملاحة الذاتية
- 1.1. الأسس الرياضية والإحصائية لتعلم الآلة المطبق على الملاحة الذاتية: الجبر الخطي وحساب التفاضل والاحتمالات والإحصاء البايزي
- 1.2. المعالجة المسبقة لبيانات المستشعرات وتنقيتها: ترشيح الضوضاء والتطبيع والموازنة وكشف الشذوذ في بيانات الرادار وLIDAR والكاميرات وGNSS
- 1.3. تصميم معماريات نماذج التعلم الموجّه وغير الموجّه والتعلم المعزز المكيّفة مع البيئات البحرية الديناميكية
- 1.4. التطبيق العملي للخوارزميات الكلاسيكية: الانحدار اللوجستي وSVM وأشجار القرار وRandom Forest لكشف العوائق وتصنيف المسارات
- 1.5. الشبكات العصبية العميقة والمعماريات الالتفافية (CNN) للتعرف على الأجسام ومعالجة الصور تحت المائية والجوية
- 1.6. نماذج التعلم المعزز (Reinforcement Learning) لاتخاذ القرار في الزمن الحقيقي في الملاحة الذاتية، بما في ذلك Q-learning والأساليب القائمة على السياسات
- 1.7. تحسين المعاملات الفائقة بتقنيات متقدمة: البحث الشبكي والتحسين البايزي والخوارزميات التطورية لتعظيم دقة النظام وكفاءته
- 1.8. دمج خوارزميات دمج بيانات المستشعرات لتحسين متانة النظام ومرونته في البيئات المعاكسة وفي ظل عدم اليقين
- 1.9. نشر النماذج على العتاد المدمج على متن السفينة: اعتبارات الحوسبة في الزمن الحقيقي واستهلاك الطاقة وزمن الاستجابة في أنظمة الملاحة الذاتية
- 1.10. التحقق واختبارات الأداء: مقاييس خاصة بالملاحة الذاتية ومحاكاة في بيئات افتراضية وتجارب ميدانية حقيقية
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 2
التكامل المتقدم للمستشعرات الذكية ومعالجة البيانات في أنظمة الملاحة الذاتية
- 2.1. أساسيات المستشعرات الذكية: أنواعها ومبادئها الفيزيائية وخصائصها التشغيلية في البيئات البحرية
- 2.2. معمارية الأنظمة متعددة المستشعرات: التصميم والتكامل والتزامن الزمني للملاحة الذاتية
- 2.3. المعالجة المتقدمة للإشارات: الترشيح التكيفي ودمج البيانات وخفض الضوضاء لمستشعرات LIDAR والرادار والسونار
- 2.4. تطبيق الشبكات العصبية العميقة لتصنيف بيانات المستشعرات وتجزئتها في الزمن الحقيقي
- 2.5. خوارزميات المعايرة الديناميكية والضبط الذاتي للمستشعرات لضمان الدقة في ظروف البحر المتغيرة
- 2.6. دمج المستشعرات متعدد الوسائط: التقنيات البايزية ومرشحات كالمان الموسعة والشبكات العصبية لتقدير متين للحالة
- 2.7. دمج المستشعرات القصورية (IMU) وGNSS عالي الدقة وأنظمة الملاحة البصرية لتحسين تحديد الموقع
- 2.8. نماذج كشف العوائق وتتبعها باستخدام بيانات من مستشعرات غير متجانسة
- 2.9. المعالجة الموزعة وedge computing لتقليل زمن الاستجابة إلى أدنى حد وتعظيم كفاءة الطاقة في المنصات البحرية الذاتية
- 2.10. بروتوكولات الاتصال والمعايير لنقل البيانات بأمان وموثوقية بين المستشعرات والأنظمة المركزية
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 3
استراتيجيات متقدمة لتعلم الآلة وتكامل المستشعرات لأنظمة ملاحة ذاتية عالية الدقة
- 3.1. أساسيات تعلم الآلة للملاحة الذاتية: خوارزميات التعلم الموجّه وغير الموجّه والمعزز المطبقة على الأنظمة المحمولة على السفن
- 3.2. الشبكات العصبية العميقة (DNN): معماريات متقدمة وتحسين وتنظيم خاص بالمعالجة في الزمن الحقيقي على متن السفينة
- 3.3. النماذج الاحتمالية والاستدلال البايزي للتعامل مع عدم اليقين في الإدراك واتخاذ القرار في البيئات البحرية الديناميكية
- 3.4. تكامل المستشعرات متعدد الوسائط: دمج بيانات LIDAR والرادار وGNSS وكاميرات RGB-D وIMU والمستشعرات الصوتية لإدراك متين
- 3.5. خوارزميات المعايرة والتزامن الزمني للمستشعرات غير المتجانسة على المنصات البحرية المتنقلة الذاتية
- 3.6. الشبكات العصبية الالتفافية (CNN) لكشف العوائق والعلامات الملاحية والتعرف عليها وتحليل الظروف البيئية
- 3.7. تطبيق تقنيات SLAM (Simultaneous Localization and Mapping) المتقدمة ورسم الخرائط الدلالية للملاحة في البيئات الساحلية والمينائية
- 3.8. تحسين المسارات القائم على التعلم المعزز العميق لمناورات ذاتية آمنة وفعالة في السيناريوهات المعقدة
- 3.9. تقييم أخطاء المستشعرات والحد منها باستخدام مرشحات بايزية متقدمة: مرشح كالمان الموسع (EKF) ومرشح الجسيمات (PF) ودمجهما مع الشبكات العصبية
- 3.10. معماريات أنظمة هجينة لدمج النماذج التنبؤية والتخطيط التفاعلي في اتخاذ القرار الذاتي
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 4
التحكم التنبؤي وتخطيط المسارات والتحقق من أنظمة الملاحة الذاتية (المحاكاة والاختبارات والاعتماد)
- 4.1. أساسيات التحكم التنبؤي في الأنظمة الذاتية: Model Predictive Control (MPC) ودوال الهدف والقيود في الملاحة البحرية
- 4.2. النمذجة الديناميكية للمركبات الذاتية: التمثيل الرياضي للأنظمة البحرية والنمذجة الحركية والديناميكية والتكيف مع البيئات المتغيرة
- 4.3. تخطيط المسارات المثلى: خوارزميات البحث والبحث الاستدلالي والتحسين المستمر وتطبيقها على المسارات البحرية الذاتية
- 4.4. تكامل المستشعرات لأغراض التخطيط: دمج بيانات LIDAR والرادار وGNSS والكاميرات لإنشاء خرائط وعوائق بدقة
- 4.5. أنظمة ملاحة ذاتية مرنة: إدارة عدم اليقين وكشف الأعطال وتصميم استراتيجيات احتياطية
- 4.6. المحاكاة المتقدمة للتحقق من الأنظمة: أدوات محاكاة في الزمن الحقيقي وتوائم رقمية وبيئات افتراضية لاختبارات التحكم والتخطيط
- 4.7. منهجيات الاختبار والتحقق: الاختبارات الوظيفية والتحقق الرسمي واختبارات الإجهاد في ظروف حقيقية وقصوى
- 4.8. اعتماد أنظمة الملاحة الذاتية: اللوائح الدولية والمعايير الفنية وبروتوكولات التدقيق لاعتماد أنظمة التحكم الذاتية
- 4.9. تطبيق التحكم التنبؤي على العتاد المدمج: التحسين الحسابي وزمن الاستجابة والتصميم المتين للبيئات البحرية الحرجة
- 4.10. الممارسة المهنية ودراسات الحالة: تحليل مفصل لتطبيقات حقيقية والدروس المستفادة وأفضل الممارسات في التحكم التنبؤي وتخطيط المسارات
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 5
تصميم معمارية الشبكات العصبية العميقة للتحكم في الملاحة الذاتية الذكية
- 5.1. أساسيات الشبكات العصبية العميقة وأنواعها: البيرسبترونات متعددة الطبقات والشبكات الالتفافية (CNN) والشبكات التكرارية (RNN) وLSTM وTransformers المطبقة على أنظمة الملاحة
- 5.2. نظرية رياضية متقدمة لتصميم المعماريات العصبية: دوال التنشيط والتحسين غير المحدب والتنظيم والانتشار العكسي والانحدار التدرجي العشوائي
- 5.3. تصميم وكلاء تحكم قائمين على Deep Reinforcement Learning وضبط معاملاتهم لاتخاذ القرار في البيئات الديناميكية للملاحة الذاتية
- 5.4. التكامل متعدد المستشعرات في الشبكات العصبية: معالجة ودمج بيانات LiDAR والرادار والكاميرات وGNSS وIMU والسونار لإدراك بيئي متين
- 5.5. معماريات هجينة للتحكم التنبؤي: الجمع بين الشبكات العصبية والنماذج الفيزيائية والمتحكمات الكلاسيكية لضمان السلامة والكفاءة التشغيلية
- 5.6. تقنيات تدريب وتحقق متقدمة: إدارة مجموعات البيانات الاصطناعية والحقيقية وdata augmentation وموازنة الفئات واستراتيجيات تجنب الإفراط في التخصيص في السياقات البحرية
- 5.7. تطبيق أنظمة الانتباه التلقائي وآليات القابلية للتفسير (explainability) لشرح قرارات الشبكات العصبية في الملاحة الذاتية
- 5.8. التحسين الحسابي وتحسين العتاد: التطبيق على وحدات GPU وTPU وFPGA لضمان الاستدلال في الزمن الحقيقي وزمن استجابة منخفض في الأنظمة المحمولة
- 5.9. المتانة وتحمل الأعطال: تقنيات كشف الأخطاء والحد منها وadversarial learning والاختبارات في ظروف قصوى (طقس سيئ وتداخل كهرومغناطيسي)
- 5.10. حالات عملية وأطر صناعية لتطبيق الشبكات العصبية العميقة على منصات الملاحة الذاتية: من المحاكاة إلى التحقق في عرض البحر
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 6
الابتكار في خوارزميات تعلم الآلة وتكامل المستشعرات والتحكم التنبؤي لأنظمة ملاحة ذاتية عالية الدقة
- 6.1. أسس متقدمة لتعلم الآلة المطبق على الملاحة الذاتية: التعلم الموجّه وغير الموجّه والمعزز، مع التركيز على التكيف مع البيئات البحرية الديناميكية
- 6.2. التصميم والابتكار في خوارزميات الإدراك البيئي: الشبكات العصبية الالتفافية (CNN) والشبكات التكرارية (RNN) وTransformers لمعالجة بيانات المستشعرات في الزمن الحقيقي
- 6.3. تكامل متقدم متعدد المستشعرات: دمج بيانات LIDAR والرادار والكاميرات فائقة الطيف وأنظمة GNSS والمستشعرات القصورية لبناء نماذج رقمية دقيقة
- 6.4. التحكم التنبؤي القائم على النموذج (MPC) للمناورات الآمنة وتحسين المسارات والاستجابة التكيفية للاضطرابات الهيدروديناميكية والجوية
- 6.5. تصميم معماريات تحكم هجينة: الجمع بين تحكم PID الكلاسيكي وتقنيات التعلم العميق لتحسين الاستقرار وكفاءة الطاقة
- 6.6. تطبيق أنظمة كشف التصادم وتجنبه باستخدام خوارزميات تخطيط المسارات القائمة على Deep Reinforcement Learning والخوارزميات الجينية
- 6.7. محاكاة النماذج وتدريبها على نطاق واسع: إنشاء بيئات رقمية للتحقق الافتراضي باستخدام التوائم الرقمية ومحاكيات بحرية عالية الدقة
- 6.8. التحسين في الزمن الحقيقي والضبط الذاتي للمعاملات: آليات تكيفية للحفاظ على الدقة في ظروف التشغيل المتغيرة
- 6.9. تقييم الأداء والمقاييس الرئيسية في الملاحة الذاتية: دقة تحديد الموقع والكفاءة الحسابية والمتانة أمام الأعطال وتحمل أخطاء المستشعرات
- 6.10. الجوانب الفنية والتنظيمية لدمج الأنظمة الذكية بأمان وموثوقية في المنصات البحرية: التشغيل البيني والمعايير وبروتوكولات الاتصال المتخصصة
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 7
استراتيجيات متكاملة لتعلم الآلة والاستشعار المتقدم والتحكم التنبؤي لأنظمة ملاحة ذاتية عالية الأداء
- 7.1. أسس متقدمة لتعلم الآلة للملاحة الذاتية: خوارزميات التعلم الموجّه وغير الموجّه والمعزز المطبقة على البيئات البحرية الديناميكية
- 7.2. تطبيق الشبكات العصبية العميقة (Deep Learning) للتعرف على العوائق وتصنيفها في الزمن الحقيقي
- 7.3. دمج المستشعرات متعدد الأطياف: تكامل بيانات LiDAR ورادار الفتحة الاصطناعية (SAR) والكاميرات فائقة الطيف ومستشعرات الموجات فوق الصوتية للإدراك البيئي
- 7.4. النمذجة التنبؤية القائمة على السلاسل الزمنية لاستباق أنماط الأمواج والتيارات البحرية والظروف الجوية المعاكسة
- 7.5. تصميم التحكم التنبؤي القائم على النموذج (MPC) وتحسينه للتثبيت النشط وقابلية المناورة للمراكب الذاتية في سيناريوهات عالية عدم اليقين
- 7.6. بروتوكولات معايرة المستشعرات البحرية المتخصصة والتحقق المتقاطع منها لضمان الدقة والتكرارية
- 7.7. دمج خوارزميات تكيفية وذاتية لاتخاذ القرار المستمر في أنظمة الملاحة ذات المتغيرات المتعددة غير المتجانسة
- 7.8. محاكاة رقمية متينة: إنشاء بيئات افتراضية واقعية لتدريب نماذج الذكاء الاصطناعي واختبارها على مسارات بحرية معقدة
- 7.9. معماريات متقدمة للأنظمة المدمجة وedge computing للمعالجة في الزمن الحقيقي وتقليل زمن الاستجابة في غرفة القيادة الذاتية
- 7.10. استراتيجيات الأمن السيبراني والمرونة التشغيلية في المنصات الذاتية لمواجهة الهجمات وأعطال المستشعرات أو المشغلات
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 8
أنظمة الإدراك متعدد الوسائط ودمج البيانات للملاحة الذاتية في البيئات الديناميكية
- 8.1. أساسيات الإدراك متعدد الوسائط: المبادئ والوسائط الحسية والتحديات في البيئات الديناميكية
- 8.2. تقنيات المستشعرات للملاحة الذاتية: LiDAR والرادار وكاميرات RGB-D والموجات فوق الصوتية والمستشعرات القصورية
- 8.3. المعالجة المتقدمة للإشارات: ترشيح بيانات المستشعرات الخارجية ومعايرتها وتصحيحها
- 8.4. دمج المستشعرات القائم على النماذج الاحتمالية: مرشحات كالمان ومرشحات الجسيمات والشبكات البايزية لتكامل متين
- 8.5. رسم الخرائط في الزمن الحقيقي وإنشاء تمثيلات مكانية ثلاثية الأبعاد: SLAM (Simultaneous Localization and Mapping) ومتغيراته
- 8.6. كشف الأجسام وتصنيفها بالتعلم العميق: معماريات CNN وRNN وTransformers المطبقة على الملاحة
- 8.7. خوارزميات التجزئة الدلالية وكشف العوائق في السيناريوهات الساحلية والبحرية المعقدة
- 8.8. دمج البيانات غير المتجانسة: التزامن الزمني والمحاذاة المكانية وتقييم جودة المصادر المتعددة
- 8.9. أساليب اتخاذ القرار القائمة على الإدراك متعدد الوسائط لمناورات ذاتية آمنة وفعالة
- 8.10. التطبيق في الزمن الحقيقي: العتاد المدمج والتحسين الحسابي وتقنيات المعالجة المتوازية
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 9
الابتكار وتطوير الخوارزميات المتقدمة في أنظمة الملاحة الذاتية المتكاملة
- 9.1. الأسس الرياضية والإحصائية المطبقة على الملاحة الذاتية: الجبر الخطي وحساب المتجهات ونظرية الاحتمالات
- 9.2. تصميم خوارزميات الإدراك متعددة المصادر وتحسينها: دمج بيانات LiDAR والرادار والكاميرات والمستشعرات القصورية
- 9.3. الشبكات العصبية العميقة والتعلم المعزز لاتخاذ القرار في البيئات البحرية الديناميكية
- 9.4. نمذجة ومحاكاة الأنظمة الحركية والديناميكية للمركبات البحرية الذاتية باستخدام الأنظمة اللاخطية والتحكم التكيفي
- 9.5. تطبيق خوارزميات متقدمة لدمج المستشعرات لتحسين دقة تقدير حالة المركبة والبيئة المحيطة
- 9.6. تطوير أنظمة ملاحة مرنة واحتياطية قائمة على الذكاء الاصطناعي للحد من الأعطال وتعزيز المتانة أمام التداخلات الخارجية
- 9.7. تطبيق خوارزميات تخطيط المسارات المثلى في الزمن الحقيقي مع مراعاة القيود البيئية وقيود السلامة وكفاءة الطاقة
- 9.8. التقييم والتحقق باستخدام محاكيات عالية الواقعية ومنصات اختبار في بيئات بحرية افتراضية
- 9.9. دمج تقنيات الرؤية الحاسوبية المتقدمة للتعرف على الأجسام والعوائق المتحركة وتصنيفها وتتبعها
- 9.10. اللوائح والمعايير والبروتوكولات الدولية لتطبيق الأنظمة الذاتية في المجال البحري: التطبيق العملي والتحديات التنظيمية
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 10
اللوائح والأخلاقيات واعتماد الملاحة الذاتية
- 10.1. مدونة MASS الصادرة عن المنظمة البحرية الدولية IMO
- 10.2. مستويات استقلالية السفن
- 10.3. اللوائح الدولية لمنع التصادم في البحار COLREG والأنظمة الذاتية
- 10.4. المسؤولية القانونية لأنظمة الذكاء الاصطناعي
- 10.5. اللائحة الأوروبية للذكاء الاصطناعي
- 10.6. الاعتماد من قبل هيئات التصنيف
- 10.7. مراكز التحكم عن بُعد
- 10.8. العامل البشري في الإشراف
- 10.9. الأمن السيبراني للسفن الذاتية
- 10.10. المشاريع التجريبية الدولية
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكالوحدة 11
رسالة الماجستير في الذكاء الاصطناعي المطبق على الملاحة الذاتية: تطوير نظام متكامل للإدراك والتخطيط والتحكم قائم على الشبكات العصبية العميقة للمركبات الذاتية في البيئات المعقدة
- 11.1. تعريف المشروع النهائي ومواصفاته: الأهداف والنطاق ومعايير التقييم الشاملة لنظام ذاتي متكامل.
- 11.2. الإدراك المتقدم: التكامل متعدد الوسائط لمستشعرات LiDAR وكاميرات RGB-D والرادار ومستشعرات الموجات فوق الصوتية للتعرف المتين على البيئة في الزمن الحقيقي.
- 11.3. معالجة بيانات المستشعرات ودمجها: خوارزميات تنقية البيانات وإعادة البناء ثلاثي الأبعاد والتجزئة الدلالية وتقدير الوضعية عبر التعلم الموجّه وغير الموجّه.
- 11.4. الشبكات العصبية العميقة: تصميم معماريات CNN وRNN وTransformers وتحسينها للتفسير السياقي وكشف الأجسام الديناميكية والثابتة.
- 11.5. تطوير نماذج تنبؤية لاستباق حركات وسلوكيات البشر والمركبات في البيئات غير المهيكلة.
- 11.6. تخطيط المسارات: صياغة مسائل التحسين متعدد الأهداف وحلها في فضاءات عالية الأبعاد باستخدام تقنيات التعلم المعزز العميق والخوارزميات القائمة على أشجار البحث.
- 11.7. إدراج القيود الحركية والديناميكية لضمان جدوى المسار وسلامته في سيناريوهات حضرية أو بحرية أو جوية معقدة.
- 11.8. التحكم التكيفي والمتين: تطبيق خوارزميات التحكم التنبؤي القائم على النماذج والشبكات العصبية والأساليب الهجينة لتحقيق تثبيت فعال وقابلية مناورة عالية للمركبة الذاتية.
- 11.9. المحاكاة المتقدمة والتحقق الافتراضي: منصات محاكاة واقعية ببيئات رقمية متصلة لتقييم الأداء والمرونة والسلوك في الحالات الحدية.
- 11.10. تكامل النظام ومعماريته: تصميم معياري قابل للتوسع للربط التآزري بين الإدراك والتخطيط والتحكم، مع اتصالات آمنة وبروتوكولات احتياطية.
في هذه المرحلة
136 hمن الجهد الدراسي المقدَّر11 أسبوعأسابيع وفق وتيرتكخطّط لوتيرتك
مدة برنامج متقدم في الذكاء الاصطناعي المطبّق على الملاحة الذاتية ونمط الدراسة
يتألف البرنامج من 1,500 ساعة. أخبرنا بعدد الساعات التي يمكنك تخصيصها أسبوعيًا، وسنخبرك متى ستنهيه فعليًا.
4 h30 h
بمعدل 12 ساعات أسبوعيًا
29
أشهر حتى الإنهاء
125 أسابيع
أسبوعًا إجمالًا
هذه هي الوتيرة التي ينهي بها معظم الطلاب البرنامج، وهي تتناسب جيدًا مع خطة التقسيط.
هيئة التدريس
الإدارة الأكاديمية وهيئة التدريس
فريق التدريس في Navalis: مهنيون ممارسون يقدّمون البرامج ويشرفون عليها.
Dra. Marina Alcoverالمديرة الأكاديمية ومسؤولة ضمان الجودة
Ing. Diego Cifuentesمحاضر أول في اللحام البحري والاختبارات غير الإتلافية؛ رئيس QA/QC للوصلات الملحومة
Cap. Javier Abaroa (MCA)محاضر أول في مناورة السفن والملاحة الإلكترونية (ECDIS/الرادار/ARPA) وGMDSS؛ منسّق الامتثال لاتفاقية STCW وإدارة موارد غرفة القيادة
Dr. Pau Ferrerمحاضر أول في هندسة العمارة البحرية والمحاكاة؛ مدير مختبر الديناميكا المائية وCFD
Dra. Nuria Llobregatمحاضرة أولى في الأرصاد الجوية البحرية وSAR والسلامة التشغيلية؛ منسّقة إدارة المخاطر الملاحية
Ing. Javier Bañulsمحاضر أول في الهندسة الكهربائية والأتمتة وهندسة ETO؛ منسّق التكامل الإلكتروني وإنذارات غرفة المحركات
Ing. Sofía Marquinaمحاضرة أولى في المواد والمواد المركّبة والحماية من التآكل؛ منسّقة مسار الدهانات والطلاءات المتقدمة
Ing. Tomás Rieraمحاضر أول في أنظمة الدفع والطاقة البديلة والأنظمة الهجينة؛ منسّق كفاءة الطاقة والاهتزازاتالأهداف
أهداف برنامج متقدم في الذكاء الاصطناعي المطبّق على الملاحة الذاتية
01تطبيق أنظمة إدراك متقدمة.
02تطوير خوارزميات تحكم متينة.
03تحسين اتخاذ القرار في الوقت الفعلي.
04دمج الذكاء الاصطناعي في بنى الملاحة المعقدة.
05ضمان موثوقية الأنظمة الذاتية وسلامتها.
06تكييف الملاحة مع البيئات الديناميكية وغير المؤكدة.
الآفاق المهنية
الآفاق المهنية بعد برنامج متقدم في الذكاء الاصطناعي المطبّق على الملاحة الذاتية
الأسئلة الشائعة
أسئلة حول برنامج متقدم في الذكاء الاصطناعي المطبّق على الملاحة الذاتية
على المركبات البرية والجوية والبحرية والفضائية.
نعم. يتضمن البرنامج ECDIS/Radar-ARPA/BRM مع سيناريوهات للموانئ والمحيطات والضباب والعواصف وSAR.
عبر الإنترنت مع جلسات مباشرة؛ وخيار هجين لفترات التدريب على أجهزة المحاكاة والتدريب العملي من خلال اتفاقيات تعاون.
إلى الملاحة الذاتية في المجالات الأربعة: الجوي والبري والبحري والفضائي.
يُوصى بمستوى عملي في SMCP. ونوفر مواد داعمة للعبارات البحرية القياسية.
نعم، بشرط الحصول على مؤهل ذي صلة أو خبرة في العمليات البحرية/المينائية. وستؤكد مقابلة القبول مدى الملاءمة.
اختياري (3–6 أشهر) من خلال برنامج الشركات والتعاون وشبكة الخريجين.
تمارين على أجهزة المحاكاة (معايير تقييم)، وخطط رحلات، وإجراءات تشغيل قياسية SOP، وقوائم تحقق، واختبارات قصيرة، ورسالة ماجستير تطبيقية.
برامج ذات صلة
مزيد من البرامج في مجال الابتكار والشركات الناشئة
القبول عبر الإنترنت
خطوات القبول
لا حاجة لانتظار اتصالنا. إذا كانت مستنداتك مستوفاة، يمكنك التسجيل في الجلسة نفسها.
شروط القبول
- الملف الأكاديمي أو المهني: شهادة في هندسة الحاسوب أو الرياضيات أو الفيزياء أو الروبوتات أو مجال ذي صلة، أو خبرة مهنية مثبتة في الذكاء الاصطناعي أو الروبوتات أو الملاحة الذاتية.
- المهارات اللغوية: يُوصى بمستوى متقدم في الإنجليزية التقنية (B2 أو أعلى).
- المعرفة الفنية: مهارات متينة في البرمجة بلغة Python والجبر الخطي والتفاضل والتكامل والإحصاء والتعلم الآلي.
- الوثائق: سيرة ذاتية محدَّثة، ونسخة من مؤهلك، وكشف الدرجات، وخطاب تحفيز حول اهتمامك بالملاحة الذاتية القائمة على الذكاء الاصطناعي.
- المتطلبات التقنية (عبر الإنترنت): حاسوب بقدرة معالجة كافية (يُوصى بوحدة GPU) واتصال عالي السرعة بالإنترنت. التسجيل مفتوح طوال العام؛ ويبقى القبول مؤقتاً إلى أن تعتمد اللجنة وثائقك.
- 01تقديم الطلببياناتك وخلفيتك الأكاديمية والمهنية ومستنداتك.
- 02مراجعة فوريةنتحقق من اكتمال كل شيء واستيفائه للشروط.
- 03التسجيلاختر الدفع دفعة واحدة أو بالتقسيط واحجز مقعدك.
ابدأ طلبيدفعة أولى تبدأ من SAR 3,740
يبقى القبول مبدئيًا إلى أن تعتمد اللجنة المستندات المقدَّمة. وإذا لم تستوفِ الشروط، يُعاد إليك المبلغ كاملًا.
لديك أسئلة؟
اسألنا قبل التسجيل
اترك بياناتك وسيتواصل معك فريق القبول كتابيًا للإجابة عن أي استفسار. وإذا كنت قد حسمت قرارك، يمكنك تقديم الطلب والدفع في الجلسة نفسها.